AWS今日通过其SageMaker和S3Tables工具推出新服务，承诺提供更加规范且具有成本效益的AI数据管道。
作为圆周率日贡献的一部分，这家云计算巨头宣布SageMakerUnifiedStudio正式发布。AWS分析副总裁SirishChandrasekaran向BlocksandFiles表示，这是一个集成了AWS数据分析和AI/ML服务的单一开发环境。
它整合了该公司的Lakehouse平台和作为治理层的SageMakerCatalog。"通过这个工作室，你可以在同一个地方完成从SQL、分析、数据准备、数据集成、模型构建到生成式AI应用开发的所有工作。"
他表示，SageMakerAI增加了新模型，如Claude3.7Sonnet和DeepseekR1。
"我们为Anthropic、Meta和Amazon的特定模型添加了对延迟敏感的推理功能。我们还简化了如何使用Bedrock来开发原型应用程序并在团队成员之间共享的方式。"
AWS还宣布可以在SageMakerLakehouse中访问S3Tables。"现在你可以运行SQL、Spark作业、模型构建和生成式AI应用。你可以将S3Table数据与Lakehouse中的其他数据结合起来，无论是在Redshift中的原生分区S3数据，还是本地和联邦数据源，都可以整合在一起。"
他表示，这些都将帮助使用AWS服务的公司为其AI项目建立更好的数据基础。
"我们的观点是，差异化是通过数据实现的，因为每个现代企业都是数据企业，而对你公司来说独特的就是你的数据。"
他说："我们越来越多地看到，数据孤岛正在减缓客户的发展速度"，这是因为在同一位置汇集数据或不同团队之间协作存在挑战。同时，在其他组织中，这些孤岛正在变得模糊。
显然，一些公司正在急于整合数据以投入AI领域。这引发了人们对传统数据管理规范和技能被搁置的担忧。Chandrasekaran表示他看到的情况恰恰相反。"我从许多公司看到的是，他们现在意识到加快发展的方式是回归基础。"
"我们重新构想SageMakerLakehouse的很大一部分是能够在数据所在位置进行查询。你现在不需要将数据从Redshift传输到S3或从S3传输到Redshift。你可以从Redshift查询Lake数据。"
他说这减少了数据重复，"这显然可以节省成本，联邦数据源也是如此。"
同时他表示，公司深刻意识到治理的需求，"但我认为这个新世界的不同之处在于，治理不再仅仅是关于合规性。它关乎信心。"这包括对AI项目使用和训练可信数据的信心，"以及对你的AI遵守负责任AI使用政策的信心。"
